欢迎访问yhm138的博客园博客, 你可以通过 [RSS] 的方式持续关注博客更新

MyAvatar

yhm138

HelloWorld!

PGF 概率生成函数 Probability generating function

Probability Mass Function 离散随机变量的分布函数PMF

note 前半部分是Analytic Combinatorics by Philippe Flajolet, Robert Sedgewick的
III.2. Bivariate generating functions and probability distributions 这一节的笔记

note 2020-09-17 19:12 增加了《具体数学》里的PGF部分

随机结构举例 two classical combinatorial distributions

PGF Probability generating functions定义

p(u)=kP(X=k)uk

当然,能从BGF推到PGF

矩 Moments

The (power) moments are (r阶矩定义)

E(Xr):=kP{X=k}kr

The factorial moment defined for order r as (r order-阶乘矩定义)

E[X(X1)(Xr+1)]

从BGFs 推到 Moments

例题

二项分布的r order-阶乘矩

fn,k=(nk)

先算出OBGF

W(z,u)=11zzu

算出对ur阶偏导,再取u=1

rurW(z,u)|u=1=r!zr(12z)r+1=r!(2z)r2r(12z)r+1

[zn]反演得到【以n为变量,r为参数的某表达式】 (分子)

[zn]urW(z,u)|u=1=r!2r(nr)2n

W(z,1)[zn]反演得到 (分母)

[zn]W(z,1)=[zn]112z=2n

分子分母代入这个公式,得到r order-阶乘矩

EAn(χ(χ1)(χr+1))=[zn]urA(z,u)|u=1[zn]A(z,1)=r!2r(nr)

接着没事可以算算期望,方差

期望(1 order-阶乘矩)

EAn(χ)=n2

用公式EAn(χ2)=[zn]u2A(z,u)|u=1[zn]A(z,1)+[zn]uA(z,u)|u=1[zn]A(z,1)得到二次矩

EAn(χ2)=n(n1)4+n2=n(n+1)4

使用方差公式V(X)=E(X2)E(X)2得到方差

V(χ)=n(n+1)4n24=n4

附录

下面的内容来自《具体数学》中概率生成函数小节

为什么要使用概率生成函数?G(z)=Pr(X=k)zk

一大长处是可以简化均值和方差的计算。(嗯这两个公式挺好证的,把右边展开成和式)

Mean(X)=G(1)Var(X)=G(1)+G(1)G(1)2E[X2]=G(1)+G(1)

第二大长处是:在许多重要的情形,它们都是z的比较简单的函数

第三大长处是:概率生成函数的乘积对应于(相互独立的)随机变量之和

然后有意思的是引入了累积量,和多阶矩、r-order阶乘矩很是像,都是数字特征里更加“高次”的东西。

定义κi是累积量,由下面的公式给出。由此定义式可见看出,由于【对数变乘为加】以及【概率生成函数的乘积对应于随机变量之和】,所以:独立随机变量之和的所有累积量也可由原来的对应累积量相加得到。

lnG(et)=κ11!t+κ22!t2+κ33!t3+κ44!t4+

定义αm是阶乘矩αm=E[X(X1)(Xm+1)]

定义μmm阶矩,μm=E[Xm]

把PGF G(et)各种改写,比对系数,得到这三个“高次量”的相互转换

κiG(et) (把累计量的定义式取指数)

G(et)=1+κ11!t+κ22!t2+1!+(κ11!t+κ22!t2+)22!+

μm

G(et)=k0Pr(X=k)ekt=k,m0Pr(X=k)kmtmm!=1+μ11!t+μ22!t2+μ33!t3+

αm

因为

G(1+t)=G(1)+G(1)1!t+G(1)2!t2+=1+α11!t+α22!t2+

于是

G(et)=1+α11!(et1)+α22!(et1)2+=1+α11!(t+t22+...)+α22!(t2+t3+...)+

posted @   yhm138  阅读(2155)  评论(0编辑  收藏  举报
编辑推荐:
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
阅读排行:
· winform 绘制太阳,地球,月球 运作规律
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
点击右上角即可分享
微信分享提示